CKTIS / C++
char32_t — znakový typ pro UTF-32
char32_t je vestavěný, samostatný celočíselný typ používaný pro kódové jednotky UTF-32. Prefix U vytváří odpovídající znakové a řetězcové literály. Typ poskytuje alespoň 32 hodnotových bitů, ale sám neověřuje platnost Unicode ani nezaručuje velikost čtyř bajtů.
Verze: C++23; repository compiler flag, production runtime not attested
Syntaxe
char32_t value = U'\U0001F600';
const char32_t text[] = U"A\U0001F600";char32_t je vestavěný znakový a celočíselný typ; k jeho deklaraci není potřeba žádná hlavička. Jde o samostatný typ, nikoli o alias pro unsigned int nebo std::uint_least32_t. Druhý z nich je jeho podkladovým typem a poskytuje alespoň 32 hodnotových bitů. Nepředpokládejte proto, že platí sizeof(char32_t) == 4.
Na velkém U záleží: U'\U0001F600' je literál typu char32_t, zatímco U"A\U0001F600" je nulou ukončené pole prvků const char32_t kódované v UTF-32. Má tři prvky: A, U+1F600 a ukončovací znak. Malé u označuje UTF-16 a typ char16_t, nikoli char32_t.
V dobře utvořeném UTF-32 představuje jedna kódová jednotka jednu skalární hodnotu Unicode. Samotný char32_t je však celočíselný typ: může uchovávat i hodnoty, které jsou v UTF-32 neplatné, takže externí data je třeba ověřovat. Počet kódových jednotek nemusí odpovídat počtu znaků, které vnímá uživatel.
V ověřeném prostředí příklad vypíše číselnou hodnotu U+1F600 (128512) a poté počet kódových jednotek bez ukončovacího znaku (2). Tento výstup nezaručuje přenositelnost příkladu. Pokud je std::size_t rozšířený celočíselný typ bez znaménka s vyšší konverzní hodností než int, má výsledek po odečtení 1 stále typ std::size_t. Při výpisu počtu pak může být výběr přetížené varianty operator<< nejednoznačný, takže se příklad nemusí zkompilovat. Převod na unsigned long slouží k vypsání čísla, nikoli ke kódování textu; zobrazení symbolu vyžaduje samostatné kódování vhodné pro výstup. Uvedený zdroj je vyvíjející se návrh normy, nikoli konečné vydání C++23.
Příklady
#include <iostream>
int main() {
constexpr char32_t symbol = U'\U0001F600';
constexpr char32_t text[] = U"A\U0001F600";
static_assert(text[1] == symbol);
static_assert(sizeof(text) / sizeof(text[0]) == 3);
std::cout << static_cast<unsigned long>(symbol) << '\n';
std::cout << sizeof(text) / sizeof(text[0]) - 1 << '\n';
}
Výsledek
128512 2
Zobrazený kód a uvedený výsledek byly ověřeny v izolovaném prostředí metodou zaznamenanou v dokladu o ověření této přesné verze.